Value of MRI T2 FLAIR Vascular Hyperintensities Combined with DWIASPECTS in Predicting the Prognosis of Acute Cerebral Infarction withEndovascular Treatment
Notice bibliographique
Résumé
OBJECTIVE: To explore the MRI T2 fluid-attenuated inversion recovery (FLAIR) vascular hyperintensities (FVH) combined with diffusion-weighted imaging (DWI) Alberta Stroke Program Early CT Score (ASPECTS) in predicting the prognosis of acute cerebral infarction (ACI) with endovascular treatment. METHODS: The patients with ACI in the anterior circulation who underwent endovascular treatment from June 2016 to December 2020 were divided into a good prognosis group and a poor prognosis group according to the modified Rankin Scale (mRS) score at 90 days after the operation. The differences in general clinical baseline data, CT-ASPECTS, FVH, and DWI-ASPECTS between the two groups were analyzed. The receiver operating characteristic (ROC) curve was used to analyze the predictive power of prediction models on prognosis. RESULTS: The results of the Binomial Logistic regression equation showed initial National Institute of Health stroke scale (NIHSS), Mori grade, DWI-ASPECTS, and FVH were independent risk factors for prognosis. The predictive power of the FVH + DWI-ASPECTS prediction model was highest, and the predictive power of DWI-ASPECTS was higher than that of CT-ASPECTS. CONCLUSION: DWI-ASPECTS is better than CT-ASPECTS in predicting the prognosis of ACI with endovascular treatment, and the combined prediction model of FVH and DWI-ASPECTS has higher prediction performance, which can be used as a preoperative evaluation method to predict the effect of endovascular treatment for ACI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».